考虑植被红边信息的多时相Sentinel-2大范围冬小麦提取研究

冬小麦是中国的主要粮食作物且种植面积年际变化较大,及时准确掌握冬小麦种植面积变化有利于国家和相关部门科学决策。遥感技术是获取大范围冬小麦种植面积数据的最有效手段。前期研究多利用多时相中低分辨率影像（如MODIS）的归一化植被指数NDVI（Normalized Difference Vegetation Index）开展大范围冬小麦种植区提取,因分辨率低导致精度难以令人满意。Sentinel-2卫星是唯一能获取3个红边波段影像的米级分辨率传感器,但应用其红边波段进行大范围冬小麦提取的研究几乎没有。本文分析了红边位置指数REPI（Red-Edge Position Index）与NDVI各自在冬小麦提取中的优势,并基于冬小麦物候特征与JM距离研究关键时相,提出一种综合多时相Sentinel-2 PERI、NDVI的大范围冬小麦提取方法,将其应用于2020年京津冀地区的冬小麦种植区提取,冬小麦总面积提取误差为-2.57%。提取结果与Google Earth高分辨率光学影像的解译结果进行比较,总体精度为94.24%,Kappa系数为0.88,相较于已有大范围冬小麦提取研究精度有明显提升,表明了本文方法的有效性。     

多时相MODIS指数提取东北三省水稻种植面积

为准确提取水稻面积,以东北为研究区域,采用多时相16d合成MODIS增强型植被指数数据和8d合成MODIS地表反射率数据提取水稻种植分布。选取水稻代表样点利用IDL编程提取物候曲线,利用归一化植被指数(NDVI)将水稻与其他明显地类区分,然后建立水稻增强型植被指数(EVI)、地表水体指数(LSWI)之间的相关关系,结合最新2015年土地利用数据提取东北三省2015年水稻种植面积。同时运用运筹学理论建立省级尺度水稻判别条件最优化模型,分析其在空间分布上的差异性和相关性,并将结果与统计年鉴进行对比分析,分析表明MODIS数据适合大区域省级范围水稻面积的提取,精度可达90%以上。由此得出,MODIS数据在省级尺度提取水稻种植面积上有着较大的优势。     

基于Sentinel-1A数据的临高县早稻面积提取

为了探讨双极化Sentinel-1A雷达影像数据识别提取早稻面积分布信息的能力,在分析典型地物后向散射系数的基础上,沿用极化差分合成孔径雷达(synthetic aperture Radar,SAR)图像和极化比值SAR图像对典型地物分类有着重要作用的思路,提出水体归一化参数,随后采用支持向量机(support vector machine,SVM)分类方法和阈值分类方法选取单时相、多时相水体归一化极化SAR数据(2017年3月10日、3月22日、4月3日、4月15日、4月27日)提取早稻面积。结果表明,阈值分类方法优于SVM分类方法,其总体精度为89.01%,Kappa系数为0.823 1,早稻的制图精度和用户精度分别为92.68%和82.26%;种植面积为1.29万hm~2,与临高县主要的早稻生产基地在空间分布上基本一致。由此可得,多参数的极化SAR数据可以提高识别提取地物的精度,提取早稻面积的最佳监测数据为多时相水体归一化VH极化SAR数据。     

水稻时域散射特征分析及其应用研究

通过对肇庆试验区1996年和1997年获取的多时相、多模式雷达卫星（RADARSAT）数据分析，从图像上直接提取地物的后向散射系数，结合实地测量水稻的生长结构参数，建立了水稻生长模型，分析了不同生长周期（从80天到120－125天）4种类型水稻的时域散射特性。利用1997年4月至7月获取的7景标准模式雷达卫星数据，对试验区内三个县和两个行政区共5000km^2面积范围内的作物进行分类和水稻产量预估算，水稻类型分类及面积量算精度达91％。结果表明：利用雷达遥感数据进行水稻种植面积量算和估产需要水稻生长期间三个时相的数据，即插秧期、抽穗期、收割前期。若能够获得多参数雷达图像，可以用插秧期和收割前期的两个时相图像来代替上述的三个时相图像同样可以达到种植面积量算和估产的效果。这一结果充分说明多时相雷达卫星数据对我国南方水稻长势监测及估产具有明显优势和潜力。     

基于HJ-1号卫星数据灌区小麦提取应用研究

及时准确获取灌区小麦分布和面积,可以为流域水量调度、抗旱减灾提供数据支持。本文利用多时相HJ-1号卫星数据分析人民胜利渠灌区小麦生长期影像特征,研究灌区小麦快速提取方法。研究结果表明,利用灌区小麦越冬前多时相HJ-1号卫星影像NDVI数据进行小麦提取,能够准确获取小麦分布和面积信息,精度达到90%以上。     

水稻时域散射特征分析及其应用研究

通过对肇庆试验区1996年和1997年获取的多时相、多模式雷达卫星（RADARSAT）数据分析,从图像上直接提取地物的后向散射系数,结合实地测量水稻的生长结构参数,建立了水稻生长模型,分析了不同生长周期（从80天到120－125天）4种类型水稻的时域散射特性。利用1997年4月至7月获取的7景标准模式雷达卫星数据,对试验区内三个县和两个行政区共5000km^2面积范围内的作物进行分类和水稻产量预估算,水稻类型分类及面积量算精度达91％。结果表明：利用雷达遥感数据进行水稻种植面积量算和估产需要水稻生长期间三个时相的数据,即插秧期、抽穗期、收割前期。若能够获得多参数雷达图像,可以用插秧期和收割前期的两个时相图像来代替上述的三个时相图像同样可以达到种植面积量算和估产的效果。这一结果充分说明多时相雷达卫星数据对我国南方水稻长势监测及估产具有明显优势和潜力。     

基于MODIS时序数据的湖南省水稻种植面积提取及时空变化分析

准确且及时获取大范围的水稻种植空间分布及其动态变化信息对科学指导水稻生产、合理分配水资源以及监测大气环境变化等具有重要意义。以湖南省为研究区,在提取MODIS陆地水分指数(land surface water content index,LSWI)和增强植被指数(enhanced vegetation index,EVI)时间序列数据集并对其进行去噪处理的基础上,根据水稻的LSWI和EVI时序变化特征建立了水稻种植面积决策树提取模型,并对模型精度进行了评价;基于该模型提取了湖南省2000—2016年间水稻种植面积信息,分析了其时空变化特征。研究结果表明,构建的研究区水稻种植面积提取模型总体分类精度为90. 2%,Kappa系数为0. 74;与统计报表数据相比,平均相对误差为13. 6%,可适用于大范围长时间序列水稻种植面积的高效提取。湖南省年均水稻种植总面积为344. 12万hm~2,其中单季稻面积为102. 41万hm~2,主要分布在洞庭湖平原;双季稻面积为241. 71万hm~2,主要分布在湘中偏北部地区(主要为岳阳、益阳、常德、长沙、株洲、湘潭、娄底等市县)。近17 a间,湖南省水稻种植面积变化情况可分为3个阶段,分别为在2000—2004年间减少了73. 2万hm~2,在2005—2010年间呈相对稳定小幅度回升状态,在2011—2016年间增加了29. 55万hm~2,但总体上呈减少趋势,共减少了58. 22万hm~2。     

利用神经网络方法提取水稻种植面积—以湖北省双季早稻为例

在利用NOAA数据提取水稻种植面积的过程中，由于其地面分辨率较低，存在大量混合像元问题，使得提取精度不够理想，该文基于神经网络方法即可以提供多源数据的输入，又不受数据分布假设限制的特点，从NOAA图像演算最能反应朋稻分布信息的绿度指数（NDVI）和日夜温差值，将其重采样，然后加入对水稻生产区域有重要影响的土壤类型，土地利用类型及高程分布等信息，以TM图像作为准直值进行分类，获得较为理想的湖北省双季早稻种植面积。     

基于Sentinel-2和MODIS数据的宣恩县水稻遥感估产研究

基于作物的波谱反射特征,利用公开的多源遥感数据和相关技术能够实现农作物种植面积提取和产量预估,为作物长势监测等农业需求提供科学决策依据。本文首先基于Sentinel-2卫星影像,结合基于人工目视解译的监督分类、基于规则的面向对象分类和基于专家知识的决策树分类3种影像分类方法综合确定县级研究区的水稻种植范围,再选取水稻生育物候期内的多时相多光谱MODIS13Q1影像产品,建立影像提取出的植被指数EVI与水稻年产量之间的多元统计回归模型并应用于年产量预估,估产结果精度均达94%以上,符合实际需求。该模型可用性较强,对县域农作物遥感估产应用具有一定的指导意义。     

期刊博览

基于多时相HJ卫星的冬小麦面积提取 我国环境与灾害监测预报小卫星HJ-1A／B具有较高的时间和空间分辨率,在作物种植面积提取和长势监测等方面具有较大优势。本文根据冬小麦的物候规律和季相节律的差异性,选取返青期和拔节期两个生育期的HJ卫星影像,借鉴分层信息提取法原理,综合利用监督分类和非监督分类法,结合人及交互目视解译和实地定位调查等资料提取了姜堰市的冬小麦种植面积,总体面积提取精度达到90．22％,样点空间匹配精度为81．25％,     

哨兵-2号光学影像地表形变监测:以2016年Mw7.8新西兰凯库拉地震为例

光学影像已经广泛地应用于地表形变监测研究。哨兵-2号光学影像作为一种新的对地观测数据,具有重访周期短、空间分辨率高、影像覆盖范围大以及数据免费等优点,因此该数据在地表形变监测上有广泛的应用潜力。本文以COSI-Corr软件包为数据处理平台,基于亚像素的频率域相关性匹配技术,处理多时相的哨兵-2号数据获取地表形变。本文选取2016年M_w7.8新西兰凯库拉（Kaikoura）地震覆盖区域为例,对哨兵-2号影像地表形变中存在的各种系统误差源进行了系统分析和改正,并提出了改进的均值相减法去除形变场中的卫星姿态角误差。另外,还对哨兵-2号4个10 m空间分辨率的波段（Band 2/3/4/8）中可用于地表形变监测的最佳波段进行了分析,统计结果显示Band8的地表形变监测效果最好。最后,利用哨兵-2号光学影像获取了2016年11月14日M_w7.8新西兰凯库拉地震的同震形变场;分析了沿地震主要断层的滑移分布,结果表明最大水平滑移量达10 m;并与同期Landsat8全色影像的同震形变监测结果进行对比分析,结果表明哨兵-2号结果精度更高。本文的研究成果可以为哨兵-2号光学影像的应用提供参考。     

基于Sentinel-1B SAR数据的农作物分类方法研究

以欧空局免费资源哨兵1号(Sentinel-1B)时间序列数据为基础,利用不同农作物的后向反射系数——时间序列特征建立随机森林分类器,进行旱地作物分类,探索雷达遥感监测旱地农作物结构的可行性和实用性。研究结果表明:在三江平原地区利用多时相VV极化雷达数据可以区分玉米和大豆作物,分类精度介于65%—68%之间,利用本研究方法可以掌握农作物种植结构分布概况。     

FY-3250m分辨率数据的华北平原冬小麦提取

冬小麦是中国最主要的粮食作物之一,利用遥感技术提取冬小麦种植区是遥感应用研究的一个重要方向。2008年以来发射的系列风云三号(FY-3)卫星均携带着中分辨率光谱成像仪(MERSI),该传感器有5个250 m分辨率的波段,波段范围包括可见光、近红外和热红外,观测数据包含丰富的地表信息,为大范围冬小麦种植区提取提供了新的数据源。首先,选取生长季前期多幅高质量的MERSI数据,采用分层提取的方法,对于不同的层次选用与待提取类别最为敏感的特征波段来构建相应的决策树,从而将每一幅影像中冬小麦种植区提取出来,然后,将多幅数据融合为一幅生长季内的冬小麦种植区图。最后,使用野外实地调查的数据进行精度验证,面积提取精度为90.8%。结果表明,在春季返青后,即可做出当季冬小麦种植分布图,为农情监测提供及时的信息支撑。     

城镇扩张遥感动态监测的方法研究

利用遥感技术动态监测城镇扩展己成为一个重要的研究领域和应用方向。本论文基于多源多时相遥感影像和地形数据,以福建漳州市区为示范区,探讨城镇建筑用地扩张遥感动态监测的方法。作者认为基于ASTER影像,综合利用非监督分类、多时相植被指数、城镇建筑用地的地形分布等知识建立分类决策规则,可以有效提取城镇建筑用地信息,准确度不低于90%。同时提出利用城镇建筑用地时空分布知识、多时相植被指数知识,改进TM三指数城镇建筑用地提取方法的思路,最终提取的城镇建筑用地信息满足城镇建筑用地动态变化分析的精度要求。     

基于SAR影像的广东省垦造水田监测应用研究

垦造水田每年至少种植一次水稻,是垦造水田监管的重点内容。为了实现低成本、高效率监测,本文基于高时序的Sentinel-1A影像水稻识别技术,在广东省垦造水田监测中开展应用,并结合外业实地拍摄照片进行结果验证。选取广东省2020年前验收的垦造水田项目中新增水田为监测对象进行试验。结果显示,早稻识别结果总体精度达85.02%,晚稻识别结果总体精度达90.46%,说明该方法用于判断水稻种植情况是可行的,可有效缩小外业核查范围,提高监测效率。     

基于高分六号WFV数据的冬小麦种植面积提取

冬小麦是我国重要的粮食作物之一,准确获取冬小麦种植面积具有重要的现实意义.为探究高分六号卫星影像进行冬小麦遥感监测的可行性和精确性,本文选取甘肃省崆峒区为研究区,运用红边波段+监督分类中的支持向量机法,提取了2019年崆峒区冬小麦种植面积,并利用混淆矩阵对分类结果进行精度验证.结果表明:提取崆峒区冬小麦种植面积为150...     

HY-1C卫星CZI影像卤虫条带提取研究——以艾比湖为例

基于HY-1C卫星海岸带成像仪CZI (Coastal Zone Imager)影像提取卤虫条带,对利用自主遥感数据开展生物资源监测与指导捕捞利用具有重要意义。本文以艾比湖为例,分析了HY-1C卫星CZI影像与Landsat-8卫星OLI数据的卤虫—水体端元光谱特征及差异;结合滑动窗口裁剪和光谱匹配因子SBAF (Spectral Band Adjustment Factors)模拟构建了有效样本量为837的卤虫—水体数据集;使用深度为5层的U型全卷积神经网络U-Net (U-Shaped Fully Convolutional Neural Network)算法提取卤虫条带并进行了评估与应用。与支持向量机法、最大似然分类法、归一化水体指数法相比,U-Net算法效率高、鲁棒性更好,卤虫条带的提取精确率和F1分数分别为92.02%和90.55%,比其他方法高出约11%—23%,即使面对复杂水体背景干扰,提取错误率也仅有3.3%;由2019年—2021年10景CZI影像的提取结果可知,研究期间卤虫条带的最大最小面积之比约为5.8,变化剧烈且与水体面积存在一定关联,但决定卤虫条带分布与面积的...     

基于MODIS时序影像的湖南省油菜种植面积遥感监测分析

基于时间序列影像数据的提取方法可实现快速监测大面积农作物的种植分布和面积估算.以湖南省为研究区,利用2017年500 m空间分辨率的MODIS NDVI时序数据,结合湖南省耕地分布数据和实地样点数据得到油菜物候标准曲线,采用最小二乘法与阈值法提取得到湖南省油菜种植分布.结果显示,遥感提取得到的湖南省油菜种植面积主要分布在湘北洞庭湖平原、湘中衡阳市、湘南岳阳市,油菜种植面积3.87×106 hm2,通过与2016年湖南省县域统计油菜种植面积数据进行比较,油菜空间格局分布大体一致,相关性系数为0.81,R2为0.66.采用油菜关键物候期的MODIS时序遥感影像,能有效地监测油菜空间分布和估算种植面积,这为油菜种植管理提供基础数据支撑.     

基于GF-1的山地主要农作物种植信息提取研究

为探索GF-1 PMS多光谱数据影像在低山丘陵地貌破碎地区主要农作物遥感识别中的信息有效性,以重庆市永川区卫星湖街道为例,利用研究区多时相、多光谱特征影像,对研究区油菜、玉米、水稻等主要作物进行信息提取。提取结果显示,利用GF-1多时相多特影像,水稻作物信息提取生产精度与用户精度均达到90%以上,提取精度较低的旱地作物玉米提取效果也得到了提升,油菜作物信息提取生产精度大幅度高于用户精度,主要作物提取总体精度OA为80.93%,Kappa系数0.635,分类质量达到较好水平。基于多时相GF-1影像光谱、纹理等特征的面向对象分类方法,能够有效地提取南方低山丘陵破碎地貌地区主要农作物空间分布信息,提高主要农作物的遥感识别精度,为山地农作物遥感信息提取提供参考。     

基于MODIS的黑龙江省农作物种植结构提取研究

基于2015年多时相MODIS数据,以黑龙江省主要农作物(大豆、玉米和水稻)为研究对象,利用黑龙江省主要作物的物候期特征、NDVI特征曲线信息和NDWI反映的耕地类型,采用决策树构建不同种类农作物的遥感提取模型,以提取大尺度农作物的空间分布格局信息。结果表明,构建的遥感提取模型有效地提取了主要农作物的空间分布信息,以东北实地调查数据为评价标准,玉米、水稻、大豆的分类精度分别为83.90%、84.71%和78.26%;以统计数据为评价标准,玉米、水稻、大豆的分类精度分别为84.463%、88.094%和81.485%。